深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 38773 篇文献，本页显示第 3361 - 3380 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3361 | 2025-12-17 |
Elevating adversarial robustness by contrastive multitasking defence in medical image segmentation
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108182
PMID:41075318
|
研究论文 | 本文提出了一种名为CEASE的新型防御方法，通过结合对比学习和多任务学习，显著提升医学图像分割模型对抗对抗性攻击的鲁棒性 | 首次将对比学习与多任务学习整合，针对医学图像分割任务设计防御机制，有效降低对抗性攻击成功率至0% | 未明确说明方法在更广泛医学图像数据集或不同攻击类型下的泛化能力 | 增强基于深度学习的医学图像分割模型对抗对抗性攻击的鲁棒性 | 医学图像分割模型 | 计算机视觉 | NA | 深度学习 | CNN | 医学图像 | 公开可用数据集 | NA | NA | 攻击成功率 | NA |
| 3362 | 2025-12-17 |
Self identity mapping
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108132
PMID:41077025
|
研究论文 | 提出了一种名为自身份映射（SIM）的数据内在正则化框架，通过逆映射机制增强表示学习，并实例化为ρSIM以降低计算复杂度 | 提出了一种模型无关、任务无关的即插即用正则化模块，通过重构输入来减少前向传播中的信息损失并促进更平滑的梯度流 | NA | 开发一种通用的正则化框架以增强深度学习的泛化能力并缓解过拟合 | 深度学习模型的正则化 | 机器学习 | NA | NA | NA | 图像, 音频, 时间序列 | NA | NA | NA | NA | NA |
| 3363 | 2025-12-17 |
Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma
2026-Jan-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001283
PMID:39999448
|
研究论文 | 本研究利用人工智能辅助的空间多组学技术，生成了肝内胆管癌的全面空间图谱，揭示了肿瘤微环境的空间特征与预后及免疫治疗的关系 | 首次结合多种空间多组学技术（如成像质谱流式、空间蛋白质组学、空间转录组学等）和深度学习系统，系统解析了肝内胆管癌肿瘤微环境的细胞空间拓扑结构，并识别出与预后相关的空间亚型 | 空间转录组学样本量较小（n=4），部分数据依赖公共数据库，可能影响结果的普遍性 | 生成肝内胆管癌的空间肿瘤微环境图谱，识别与预后和免疫治疗相关的空间特征 | 肝内胆管癌患者的肿瘤组织样本 | 数字病理学 | 肝内胆管癌 | 成像质谱流式、空间蛋白质组学、空间转录组学、多重免疫荧光、单细胞RNA测序、批量RNA测序、批量蛋白质组学 | 深度学习 | 图像、蛋白质组数据、转录组数据 | 超过106万个细胞，包括155个内部成像质谱流式样本、155个内部空间蛋白质组学样本、4个内部空间转录组学样本、20个内部多重免疫荧光样本、9个内部和34个公共单细胞RNA测序样本、244个公共批量RNA测序样本、110个内部和214个公共批量蛋白质组学样本 | NA | NA | 高准确度 | NA |
| 3364 | 2025-12-17 |
Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70046
PMID:40679171
|
综述 | 本文综述了集成PET-MRI在神经退行性疾病临床实践中的转化应用，包括技术进展、临床益处及未来前景 | 总结了集成PET-MRI在神经退行性疾病中的最新技术革新，如基于MRI的衰减校正、运动校正方法以及深度学习在疾病分类和预测中的应用 | NA | 探讨集成PET-MRI在神经退行性疾病临床诊断和研究中的应用价值及技术发展 | 阿尔茨海默病及其他神经退行性疾病患者 | 数字病理学 | 神经退行性疾病 | 集成PET-MRI, MRI, PET | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 3365 | 2025-12-17 |
A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70113
PMID:40916364
|
研究论文 | 本文评估了基于深度学习的模型用于法洛四联症患者心脏磁共振图像的左心室、右心室和左心室心肌的自动分割 | 采用MultiResUNet模型在混合数据集（包含法洛四联症和非法洛四联症病例）上训练，实现了对法洛四联症患者心脏结构的准确自动分割，并进行了内部和外部验证 | 研究为回顾性设计，样本量有限（特别是外部验证仅12例），且仅使用了一种成像序列 | 评估深度学习模型在法洛四联症患者心脏磁共振图像自动分割中的性能，以替代耗时且存在变异性的手动分割 | 427名患有不同心脏疾病的患者（包括122名法洛四联症患者和305名非法洛四联症患者）的心脏磁共振图像 | 数字病理学 | 心血管疾病 | 稳态自由进动电影序列 | CNN | 图像 | 427名患者（395名用于训练/验证，32名法洛四联症患者用于内部测试，12名外部法洛四联症患者用于泛化性评估） | NA | U-Net, Deep U-Net, MultiResUNet | Dice相似系数, 交并比, F1分数 | NA |
| 3366 | 2025-09-11 |
Editorial for "A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients"
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70114
PMID:40928233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3367 | 2025-12-17 |
Predicting Radiation Pneumonitis Integrating Clinical Information, Medical Text, and 2.5D Deep Learning Features in Lung Cancer
2026-Jan-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.07.1437
PMID:40844448
|
研究论文 | 本文构建了一个基于临床信息、医学文本和2.5D深度学习特征的肺癌患者放射性肺炎预测模型 | 提出了一种结合临床信息、医学文本和2.5D多实例学习特征的放射性肺炎预测模型，为预测放疗副作用提供了新思路 | 模型在不同测试队列中的最优模型类型存在差异，可能影响泛化能力 | 构建放射性肺炎的预测模型以评估放疗副作用 | 肺癌患者 | 数字病理学 | 肺癌 | CT成像, 放射治疗剂量切片 | 深度学习模型 | 图像, 文本 | 594名患者（356名来自一个中心，238名来自三个其他中心） | NA | DenseNet121, DenseNet201, Twins-SVT | AUC | NA |
| 3368 | 2025-12-17 |
An Explainable 3D-Deep Learning Model for EEG Decoding in Brain-Computer Interface Applications
2025-Dec-30, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S012906572550073X
PMID:41109958
|
研究论文 | 本文提出了一种用于脑机接口应用中EEG解码的多维可解释深度学习框架 | 提出了一种基于三维卷积神经网络的可解释深度学习模型，通过全局到特定用户的微调策略减少校准时间，并引入三维遮挡敏感性分析增强模型透明度 | 模型在跨用户泛化方面可能存在限制，需要进一步验证在不同EEG数据集上的性能 | 开发一种快速、可解释的EEG解码方法，以降低脑机接口系统的用户特定校准时间 | 运动脑机接口实验中的EEG信号，特别是手部张开和手部闭合运动规划与静息状态的区分 | 机器学习 | NA | EEG信号处理 | CNN | EEG信号 | NA | NA | 3D Convolutional Neural Network | 准确率 | NA |
| 3369 | 2025-12-17 |
Usefulness of Data Simulation for Training Deep Learning Denoising Algorithms in Infrared Spectral Histology
2025-Dec-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02174
PMID:41337468
|
研究论文 | 本研究探讨了使用模拟数据训练深度学习模型，以去噪临床应用中石蜡包埋组织切片的红外光谱图像 | 提出了一种基于模拟线性生成模型的方法，结合不同谱带形状（Voigt、高斯和洛伦兹）和噪声类型（加性和乘性高斯噪声以及泊松噪声），以增强训练数据的多样性并提高模型泛化能力 | 模拟光谱的具体配置显著影响模型性能，且模拟数据的特性导致不同程度的成功 | 开发用于红外光谱图像去噪的深度学习技术，以减少扫描时间并促进临床部署 | 石蜡包埋组织切片的红外光谱图像 | 数字病理学 | NA | 傅里叶变换红外光谱 | CNN | 图像 | NA | NA | ResUNet-1D-CNN | NA | NA |
| 3370 | 2025-12-17 |
BayesOpGAN: A Bayesian-Optimized GAN Framework with Fourier-Based Evaluation for Quality-Controlled Raman Spectral Data Augmentation
2025-Dec-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04540
PMID:41344223
|
研究论文 | 本文提出了一种名为BayesOpGAN的生成对抗网络框架，用于从小样本（少于30个）中生成高质量的拉曼光谱数据，以解决深度学习模型在小数据集上过拟合和泛化能力差的问题 | 创新点包括引入了贝叶斯优化的损失函数（BayesOpLoss）和平滑上采样模块，并采用傅里叶距离这一频域度量来定量评估生成的一维光谱质量 | 生成数据存在最优增强范围，过量的生成数据会降低分类器性能 | 研究目的是开发一种可靠且可扩展的小样本光谱数据增强方法，以提升拉曼光谱分类模型的性能 | 研究对象为拉曼光谱数据，具体来自RRUFF拉曼数据库的混合质量数据集 | 机器学习 | NA | 拉曼光谱 | GAN | 光谱数据（一维信号） | 少于30个样本 | NA | GAN, ResNet-50 | 准确率, 傅里叶距离 | NA |
| 3371 | 2025-12-17 |
Deep Learning-Driven Innovations in Echocardiography: Taxonomy, Clinical Impact, Challenges, and Opportunities
2025-Dec-16, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-025-03944-3
PMID:41400904
|
综述 | 本文全面分析了深度学习在超声心动图领域的应用，重点关注其临床影响、挑战和发展机遇 | 提供了深度学习在超声心动图中应用的系统分类，并强调了其在心血管疾病自动诊断和监测中的变革性影响，同时指出了未充分探索的挑战和潜在解决方案 | 作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析 | 分析深度学习如何重塑超声心动图领域，并探讨其临床影响、挑战和未来机会 | 超声心动图图像数据及相关深度学习研究 | 计算机视觉 | 心血管疾病 | NA | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 3372 | 2025-12-17 |
Deep learning predicts microsatellite instability status in colorectal carcinoma in an ethnically heterogeneous population in South Africa
2025-Dec-15, Journal of clinical pathology
IF:2.5Q2
DOI:10.1136/jcp-2025-210053
PMID:40393786
|
研究论文 | 本研究评估了基于深度学习的模型在南非多民族结直肠癌患者队列中预测微卫星不稳定状态的性能 | 首次在非洲多民族人群中验证了基于Transformer的深度学习模型对结直肠癌错配修复缺陷的预测能力，并进行了区域特异性校准 | 样本量相对较小（197例），且假阴性病例主要位于左侧结肠，缺乏典型的dMMR/MSI-H组织学表型 | 评估深度学习模型在资源有限环境中作为结直肠癌错配修复缺陷预筛查工具的可行性和准确性 | 南非多民族结直肠癌患者的切除标本 | 数字病理学 | 结直肠癌 | 全玻片图像扫描 | 深度学习 | 图像 | 197例结直肠癌切除标本 | 未明确说明 | Transformer | AUROC, 敏感性, 特异性, Youden's J指数 | NA |
| 3373 | 2025-12-17 |
Towards Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations
2025-Dec-15, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3644692
PMID:41396745
|
研究论文 | 本研究提出了一种结合低层声学特征与语音基础模型表示的新型深度学习框架VOQANet及VOQANet+，用于客观、鲁棒地评估病理嗓音 | 首次将自监督语音基础模型嵌入与低层声学描述符（抖动、振幅微扰、谐噪比）相结合，并在句子级别语音上进行评估，增强了模型在真实场景和远程医疗应用中的鲁棒性 | 未明确说明模型在跨语言或不同病理类型间的泛化能力，也未详细讨论计算复杂度 | 开发一种客观、准确的病理嗓音质量评估方法，以减少传统主观评估方法中评估者间的变异性 | 病理嗓音（声音障碍） | 自然语言处理 | NA | 语音信号处理，深度学习 | 深度学习框架（基于注意力机制） | 语音数据（元音级别和句子级别） | NA | NA | VOQANet, VOQANet+ | 均方根误差, 皮尔逊相关系数 | NA |
| 3374 | 2025-12-17 |
Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis
2025-Dec-15, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3643602
PMID:41396749
|
研究论文 | 本文提出了一种用于资源受限边缘设备上癫痫诊断的内存高效内在门控适应框架（MEIGA） | 提出MEIGA框架，通过轻量级适配器网络和直接反馈对齐（DFA）技术，在低内存和计算开销下有效适应患者特异性生物标志物的会话间变异性 | 未明确说明模型在不同癫痫亚型或更广泛临床环境中的泛化能力，以及长期部署的稳定性验证 | 增强资源受限边缘设备上癫痫诊断的实用性和适应性 | 癫痫患者的脑电图（EEG）数据 | 机器学习 | 癫痫 | 脑电图（EEG） | Vision Transformer, 适配器网络 | 时序信号（EEG） | CHB-MIT癫痫数据集和AES数据集（具体样本数未在摘要中提供） | 未明确指定 | Vision Transformer | 准确率 | 边缘设备（资源受限环境） |
| 3375 | 2025-12-17 |
DriverMONI: Cancer Driver Gene Prediction with Multimodal Deep Learning Integrating Multiomics Data and Condition-specific Network Information
2025-Dec-15, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3643887
PMID:41396756
|
研究论文 | 提出了一种名为DriverMONI的多模态深度学习方法，用于整合多组学数据和条件特异性网络信息以预测癌症驱动基因 | 利用条件特异性蛋白质相互作用子网络生成图注意力网络的输入图和节点属性，使模型具有条件特异性并提高预测准确性，同时通过多模态方法缓解蛋白质相互作用网络的不完整性问题 | 未明确说明模型在独立验证集上的泛化性能或对罕见癌症类型的适用性 | 开发一种更准确的癌症驱动基因预测方法 | 癌症驱动基因 | 机器学习 | 癌症 | 多组学数据整合 | 图注意力网络 | 多组学数据、生物网络 | 使用癌症基因组图谱数据，具体样本量未明确说明 | NA | 图注意力网络 | 预测准确性 | NA |
| 3376 | 2025-12-17 |
DeepNhKcr: Explainable Deep Learning Framework for the Prediction of Crotonylation Sites of Non-histone Lysine in Plants Based on Pre-trained Protein Language Model
2025-Dec-15, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3643930
PMID:41396754
|
研究论文 | 本文提出了一种名为DeepNhKcr的可解释深度学习框架，用于预测植物非组蛋白赖氨酸的巴豆酰化位点 | 首次将预训练蛋白质语言模型（ESM2）与双向长短期记忆网络（BiLSTM）相结合，并引入焦点损失函数处理数据不平衡问题，同时融合传统蛋白质编码策略进行特征提取与整合 | 未明确说明模型在跨物种或其他类型蛋白质上的泛化能力，也未讨论计算资源需求对实际应用的影响 | 开发一种快速准确预测植物非组蛋白赖氨酸巴豆酰化位点的计算方法 | 植物非组蛋白中的赖氨酸巴豆酰化位点 | 生物信息学 | NA | 蛋白质语言模型，深度学习 | BiLSTM | 蛋白质序列数据 | NA | PyTorch（基于ESM2推断） | ESM2, BiLSTM | 准确率，五折交叉验证，独立测试性能 | NA |
| 3377 | 2025-12-17 |
PiperNet: a hybrid deep learning approach for monitoring papaya seed adulteration in black pepper using hyperspectral imaging
2025-Dec-15, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment
DOI:10.1080/19440049.2025.2598389
PMID:41397220
|
研究论文 | 本研究提出了一种结合高光谱成像与深度学习的混合框架，用于检测黑胡椒中掺杂的木瓜籽 | 提出了一种新颖的混合深度学习模型PiperNet，该模型将2D CNN、Squeeze-and-Excitation模块和双向门控循环单元层集成在一起，以联合捕获空间纹理、强调信息丰富的光谱通道并建模序列波长依赖性 | 未在更广泛或更复杂的掺杂物类型上进行测试，也未讨论模型在实时或大规模工业应用中的计算效率 | 开发一种非破坏性、自动化的香料认证方法，以支持食品质量保证、法规遵从和消费者保护 | 黑胡椒及其掺杂物（干燥木瓜籽） | 计算机视觉 | NA | 高光谱成像 | CNN, Bi-GRU | 高光谱图像 | 600个样本，分为纯黑胡椒、纯木瓜籽和掺假混合物三类 | NA | PiperNet（集成SE模块和Bi-GRU层的2D CNN） | 分类准确率 | NA |
| 3378 | 2025-12-17 |
A Comparative Study on Signal Decomposition Techniques for Stimulated Raman Photoacoustic Microscopy
2025-Dec-15, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500388
PMID:41397816
|
研究论文 | 本文比较了基于受激拉曼光谱的多光谱光声显微镜系统中四种信号分解技术的性能 | 首次在受激拉曼光声显微镜系统中系统比较了包括深度学习在内的多种信号分解方法 | 方法性能在较长时延下表现出较大变异性，且仅在小鼠脑部数据上测试 | 评估不同信号分解技术在光声显微镜中的效果，以优化氧饱和度估计 | 小鼠脑部产生的光声信号 | 生物医学成像 | NA | 受激拉曼光谱，多光谱光声显微镜 | CNN, 自编码器 | 光声信号 | 从小鼠脑部获取的数据 | NA | 卷积神经网络与自编码器结合架构 | 准确度 | NA |
| 3379 | 2025-12-17 |
Comparative Analysis of AI-based Quantification vs. Visual Rating of Enlarged Perivascular Spaces in the MESA Cohort
2025-Dec-15, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9129
PMID:41397892
|
研究论文 | 本研究比较了视觉评分与基于AI的量化方法在评估脑部MRI中扩大的血管周围空间（PVS）与血管风险因素及认知表现关联性的效果 | 首次在MESA队列中系统比较了传统视觉评分与全自动深度学习算法在PVS量化上的差异，并发现AI方法能检测出更多与血管风险因素和认知功能的关联 | 横断面研究设计无法确定因果关系，样本量相对有限（235名参与者），且仅基于单一队列数据 | 比较AI量化与视觉评分在识别PVS与血管风险因素及认知表现关联性方面的差异 | 235名来自多民族动脉粥样硬化研究（MESA）的参与者，均接受了脑部MRI检查 | 数字病理学 | 心血管疾病 | 脑部MRI，流体衰减反转恢复序列 | 深度学习算法 | 图像 | 235名参与者 | NA | NA | β系数，置信区间 | NA |
| 3380 | 2025-12-17 |
Deep learning accelerates discovery of complex nanomaterials
2025-Dec-15, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00918-2
PMID:41398083
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |